各種メタテータの特徴を考慮した未知レシヒへのメタテータ自動付与方式

DEIM2015 C1-3

背景レシヒ推薦サービスにおいて，高精度に推薦アイテムの選定を行うためには，各レシヒテータを分析し，適切なメタテータを付与することが考えられる．

先行研究の「類似度分析に基づく未知レシヒへのメタテータ自動付与方式の提案」 (DEIM2014 Section:P2-3) では，メタテータ自動付与方式の妥当性を示すことができたが，各軸の特徴量を考慮しておらず，類似度算出精度の向上に限界がある．

あっさりこってり

定番お手軽

安い

メタテータが付与されていると、推薦精度が向上する。

メタテータありレシヒ

森下らの開発した，ユーザの気分でレシヒを推薦するシステム「気分で料理がポン！」で利用された，人の手によってメタテータが付与されているレシヒ（マスターレシヒ）を使用する．

付与されているメタテータからだ：こころ：

味：時間：お金：

アレンジ：

お疲れ (-5)ｼｸｼｸ (-5)あっさり (-5)お手軽 (-5)安く (-5)定番 (-5)

〜〜〜〜〜〜

(+5) 元気(+5) ｳｷｳｷ(+5) こってり(+5) 本格(+5) 豪華に(+5) ｱﾚﾝｼﾞ

しかし，「こころ」は他のメタテータと類似している部分が多くあったため，相関を算出してみると，特に「味」との相関が高いことがわかった．よって「こころ」は「味」の中に統合することにする．

各メタテータの相関

こころと味 0.95こころとからだ 0.81

味とからだ 0.76

こころとお金 0.71

・・・ ・・・

しかし

提案手法

U(i) =　 S1 + S2 + S3 + S4 + S5

S1*M1(i) + S2*M2(i) + S3*M3(i) + S4*M4(i) + S5*M5(i)

Mrank(i)：マスターレシピの各気分データ (rank=1位 ,2位 ,……)

Sm：対象未知レシピと類似度順位が m番のマスターレシピとの類似度i：｛からだ，ココロ，味，時間，お金，アレンジ｝

マスターレシヒの類似度の上位 5 件のメタテータに類似度を考慮した重みを加えたものを平均して付与する．

1 位2 位3 位4 位5 位

類似度の高いメタテータ付きレシヒ

未知レシヒ

各レシヒのメタテータに

類似度を考慮した重みを加えたものを付与

各種メタテータの特徴を考慮した未知レシヒへのメタテータ自動付与方式の提案

あっさり

メタテータなしレシヒ

「あっさり」レシヒが

なかなか見つからない

メタテータの種類

U(i)：未知レシピ

本研究の目的

味メタテータが付与されているレシヒの，あっさり度の高い物数件と，こってり度の高い物数件の特徴語を特徴ベクトルの次元とする．

あっさり度の高いレシヒ こってり度の高いレシヒ

それぞれの特徴語をベクトルの次元へ

メタテータが付与されているレシヒの，お疲れ度の高い物数件と，元気度の高い物数件の特徴語を特徴ベクトルの次元とする．

お疲れ度の高いレシヒ 元気度の高いレシヒ

それぞれの特徴語をベクトルの次元へ

時間調理動作辞書を作成し，時間を算出する．

切る

時間がかかる

蒸す

時間がかからない お手軽度に重み

を置く本格度に重みを置く

ただし，「切る」が何度も出現した場合でも，時間がかかるため，動詞の出現回数も考慮する必要があると考える．

材料毎の平均値段表を作成し， 1 食あたりの値段を算出する．算出された金額を -5 〜 5 に正規化する．

さんま： 125 円 /1 匹

例：秋刀魚の塩焼き

大根： 148 円 /1 本 塩： 98 円 /1 ビン

合計した値段を，メタテータ付与済みレシヒの値段のヒストグラムに当てはめ，そこから -5 〜 +5 の値に正規化して，出力する．

同名のレシヒ数件から，動詞と名詞を抽出し，それぞれに頻出する語を「定番」のベクトルとする．

Edit Distance に基づいて，アレンジ度を算出し，-5 〜 5 の値に正規化して，出力する

からだ

お金アレンジ

各 5 つのメタテータに対して，それぞれの特徴を考慮するために，それぞれの軸の特徴ベクトルの抽出を行う．

類似度順位 1 〜 5 件にそれぞれの特徴ベクトルを用いて，類似度順位 5 件のマスターレシヒのメタテータに類似度を考慮した重みを加えたものを平均し，付与することにする．

①各種メタデータの特徴を考慮した特徴抽出

②メタデータの自動付与 未知レシヒ

マスターレシヒDB

システム

概要図

① 入力

メタテータ付与済みレシヒ DB

④DB に格納② 各軸の特徴を考慮した　　特徴ベクトルの算出③ メタテータ自動付与

メタテータ自動付与システム